Viacheslav Dubeyko fra IBM har startet en diskussion på mailinglisten for Linux-kernens udviklere om brugen af maskinlæringsmodeller i kernen, og han har også foreslået et sæt patches til testning med et bibliotek til integration af ML-modeller i kernen samt et eksempel på en symbolsk driver, der bruger biblioteket.
Integration af ML-modeller i kernen kan være nyttig til at ændre logikken i subsystems funktioner baseret på de behandlede data, optimere ydeevnen og ændre konfigurationen afhængigt af de interne systemforhold. Anvendelse af maskinlæring, der kan identificere mønstre og lave forudsigelser uden manuel implementering af algoritmer, vil forenkle udvælgelsen af den mest effektive kernen konfiguration under hensyntagen til kompleksiteten og foranderligheden af moderne arbejdsbelastninger og gøre det muligt at løse problemer som forudsigelse af fejl i lagersystemer.
Udover motoren til udførelse af modeller overvejes udviklingen af værktøjer til indsamling af data til træning af ML-modeller, direkte træning af modellen og testning af resultatet. Da der kræves flydende punkt-operationer for at køre en ML-model, og direkte brug af FPU ikke er tilladt i kernen, er den foreslåede prototype et lag til at give forskellige subsystems i kernen adgang til ML-modeller, der kører i brugerrum, på samme måde som flytningen af SPDK-, DPDK- og ublk-behandlere til brugerrum.
Flytning af udførelse og træning af modellen til brugerrum forenkler vedligeholdelsen og isolerer kernen fra problemer i kodekørslen. Under træningsfasen kan data om kernens tilstand og parametre enten anmodes af behandleren fra brugerrum eller overføres af det lag, der kører på kernens niveau. Sysfs anvendes til at styre interaktionen mellem komponenterne i kernen og brugerrummet. Adaptiv træning af ML-modellen er muligt, hvor kernesubsystemet modtager anbefalinger fra ML-modellen, anvender det anbefalede ændring og vurderer effektiviteten af anbefalingen til at ændre tilstanden.
Kilde: opennet.ru
